Question

我正在试图弄清楚如何处理具有不均匀周期长度的pandas中的时间序列数据。我正在研究的第一个例子是如何计算过去15天的移动平均线。以下是数据示例（时间为UTC）

index   date_time         data
46701   1/06/2016 19:27   15.00
46702   1/06/2016 19:28   18.25
46703   1/06/2016 19:30   16.50
46704   1/06/2016 19:33   17.20
46705   1/06/2016 19:34   18.18

我不确定我是否应该只填写数据，所以甚至1分钟的增量，或者如果有更聪明的方式...如果有人有建议，将非常感激

谢谢 - KC

Answer 1

你可以这样做。

以您想要的频率重新取样（或下采样）
- 你必须注意重新采样策略。它必须与数据的含义一致。在这里，我有任意使用bfill（使用下一个有效值的后填充），但另一种策略可能更合适，如ffill（传播最后一个有效值的前向填充）。
计算移动平均线。
也许你必须处理索引

注意：rolling中引入了pd.rolling_mean的此语法。但是，可以使用# Test data d = {'data': [15.0, 18.25, 16.5, 17.199999999999999, 18.18], 'date_time': ['1/06/2016 19:27', '1/06/2016 19:28', '1/06/2016 19:30', '1/06/2016 19:33', '1/06/2016 19:34'], 'index': [46701, 46702, 46703, 46704, 46705]} df = DataFrame(d) df['date_time'] = pd.to_datetime(df['date_time']) # Setting the date as the index df.set_index('date_time', inplace=True) # Resampling data df = df.resample('1T').bfill() # Performing moving average df['moving'] = df['data'].rolling(window=3, center=True).mean() df.plot(y=['data', 'moving']) df data index moving date_time 2016-01-06 19:27:00 15.00 46701 NaN 2016-01-06 19:28:00 18.25 46702 16.583333 2016-01-06 19:29:00 16.50 46703 17.083333 2016-01-06 19:30:00 16.50 46703 16.733333 2016-01-06 19:31:00 17.20 46704 16.966667 2016-01-06 19:32:00 17.20 46704 17.200000 2016-01-06 19:33:00 17.20 46704 17.526667 2016-01-06 19:34:00 18.18 46705 NaN在先前版本中执行相同的操作。

# Random data parameters
num_sample = (0, 100)
nb_sample = 1000
start_date = '2016-06-02'
freq = '2T'

random_state = np.random.RandomState(0)

# Generating random data
df = pd.DataFrame({'data': random_state.randint(num_sample[0], num_sample[1], nb_sample)},
                          index=random_state.choice(
                              pd.date_range(start=pd.to_datetime(start_date), periods=nb_sample * 3,
                                            freq=freq),
                              nb_sample))
# Removing duplicate index
df = df.groupby(df.index).first()
# Removing data for closed periods
df.loc[(df.index.hour >= 22) | (df.index.hour <= 7),'data'] = np.nan
# Resampling
df = df.resample('1T').ffill()
# Moving average by hours
df['avg'] = df['data'].rolling(window=60).mean()

ax = df.plot(kind='line', subplots=True)

pandas 0.18.0

修改

以下是缺少数据的示例。

<?php

$name       = @trim(stripslashes($_POST['name'])); 
$from       = @trim(stripslashes($_POST['email'])); 
$subject    = @trim(stripslashes($_POST['subject'])); 
$message    = @trim(stripslashes($_POST['message'])); 
$to         = 'valid-address@valid-domain.com';

$headers = "MIME-Version: 1.0\n".
           "Content-Type: text/plain; charset=\"iso-8859-1\"\n".
           "From: $name\n".
           "Reply-To: $from\n".
           "Subject: $subject\n".
           "X-Mailer: PHP/".phpversion();

mail($to, $subject, $message, $headers);

echo 
    // Back to previous page
    "<script>
        alert('Dziękuje za przesłanie wiadomości. Postaram się odpowiedzieć możliwie szybko.');
        window.history.go(-1);      
     </script>";

die;
?>

Python Pandas - 具有不均匀周期长度的移动平均线

1 个答案:

修改